当代越来越多的足球分析中各项统计指标解释的上半部分

大家好，今天我们分享足球分析中各种统计指标的上半部分讲解，希望大家喜欢！

在越来越多的当代足球分析文章中，统计数据的使用越来越频繁，使用不同的指标来突出某个球队或球员的表现。优势、劣势或模式。很多指标我们已经很熟悉了，而有些指标可能有些冷门，需要稍微解释一下。今天我们将尝试介绍一些最常见的足球指标以及如何使用它们。今天我们就分成两部分，分享前半部分。部分，我们现在开始：

“每 90 人”指标

这是在足球分析中引入指标时的重要起点，在球员和球队层面，一个简单的使用聚合指标可能会产生误导，因为它没有考虑达到这个数字所需的时间。

背景是分析的关键，我们需要找到一种公平的方法来比较球员或球队的表现，即在整个比赛的背景下（每场比赛 90 分钟）查看数字。

自 2019-20 赛季开始以来，利物浦的马内在英超联赛中打进 29 球，而亚伯拉罕在切尔西只打进 21 球。

乍一看，马内似乎是门前更有说服力的球员，但附加的背景是，马内在此期间比亚伯拉罕多打了 2000 多分钟。当我们查看每 90 分钟的进球数时，我们看到亚伯拉罕的进球率为每 90 分钟 0.58 球，这实际上高于马内的每 90 分钟 0.47 球。不同的角色。

根据每场比赛的 90 分钟，仔细查看 2020/21 赛季的最佳射手将会很有趣。如果只考虑在英超出场时间超过900分钟的球员，进球率最高的就是租借热刺的贝尔。虽然他积累的上场时间可能不如其他球员多，但贝尔在每场比赛的 90 分钟内平均能打进一个以上的球，这对于他在场上的表现来说是非常高的奖励。

图 1 - 每场比赛 90 分钟

预期目标 (xG)

XG 是一个指标很多人对它并不陌生，简单来说，XG 是一种衡量射门成为进球的概率的方法。

并非所有射门都是平等的，射门可能是 40 码外的钝击或两码内的射门。因此，XG 会在球员射门前衡量每一次射门的质量，考虑到许多因素，包括：射门角度与球门的距离，是头球，还是弱脚或优势脚，是否射门来自传中、突破或短传前是否有多名防守球员。

XG 值是一个介于 0（没有进球机会）和 1（确定进球）之间的数字。例如，下面的场景是费尔南德斯对南安普顿的射门，XG 值为 0.3，这意味着考虑到他所处的情况，射门有 3/10 或 30/100 的机会得分。

图 2 - 目标的可能性

XG值是通过使用之前数千个类似情况的镜头来计算的，看看有多少次得分。

上面的例子用一个镜头简单概括了XG指标的含义，但是如果我们要逐个镜头研究XG，往往是不准确的。我们要做的是根据球员或球队的投篮质量，在比赛、时期或赛季中累积球员或球队的 XG，以便更清楚地了解他们应该进多少球。

当然，当我们有更大的样本，在更长的时间段内，从这些信息中得出的结论更可靠。当我们这样做时，我们可以使用 XG 来探索球员或球队在进球前的表现是否低于他们的预期。

预期目标 (xGOT)

在 XG 的基础上，我们可以更深入地挖掘射门成为进球的可能性。 XG 提供球员击球前的数值，而 xGOT 提供球员击球后击中目标的修正值。

呈现的值与 XG 相同，也是一个介于 0 和 1 之间的数字。但它进一步增加了上下文足球比赛统计数据，区分射入球门上角和射入球门中间可以想象，这个XGOT模型只计算击中目标的次数，所以至少要让守门员采取相应的行动，这取决于球员——当然，如果射门偏离目标，你得分的机会是零（除非不可能反弹）。

让我们看看上赛季凯恩的例子。在他从禁区外射门之前，他的 xG 是 0.03，这是一个低价值的机会，预计 100 次射门中只有 3 次可以进球。

图 3 - 目标上的预期目标

然而，凯恩的射门质量非常好，因为它飞入了顶角。射门后，这个机会的XGOT值现在跳到了0.54，这意味着54%的时间，射门的位置会进球，这确实是一次高质量的射门。结束。

图 4 - 高质量镜头

XGOT提供的主要内容是更清晰地了解球员的射门执行理念。如果一名球员的 XGOT 始终高于他们的 xG，这告诉我们他们的投篮命中率高于他们的机会质量。

值得注意的是，这些数字仅包括射门得分，不包括盖帽。所以可能会有一些球员认为自己运气不好，他们完成了一个完美的射门，但防守球员挡住了他们的射门。

然后，我们可以使用 Opta 的“投篮附加值”指标计算玩家的 xG 和 xGOT 之间的差异。下面，你可以看到托特纳姆热刺的孙兴慜在上赛季的射门中发挥了最大的价值，他的射门机会增加了 3.8 个进球。

图 5 - 修正值

莱斯特城的瓦尔迪则介于机会和执行机会之间足球比赛统计数据，他的表现最大的不同是3.4个进球，这是由于他的射门技术不佳。

图 6 - Vardy 校正值

同样，我们可以将 XGOT 视为衡量守门员表现的良好指标。这更准确地反映了守门员的表现，因为它可以根据守门员所面对的射门质量来预测守门员会丢多少球。

然后，我们可以使用此数据来衡量“失球数”，将守门员实际失球数与失球数进行比较。被封堵的球数越多，守门员的拦截表现就越好。

上赛季最好的盖帽表现来自托特纳姆热刺的洛里斯，他整个赛季的盖帽比预期多 5.1。

图7-Loris'块

非罚球目标

这个指标几乎不需要解释，但重要的是要考虑为什么经常通过从总进球数中排除罚球来评估进球数。罚球本身并不能很好地反映球员为自己创造机会的能力。当然，你可以让一名球员既能进球又能主罚，但通常主罚的人会主罚点球，即使他没有参与导致犯规的那一刻。

手球规则的变化以及 VAR 的引入，也意味着上赛季判罚的点球数创历史新高，总共 125 次点球，平均每三场比赛一次点球。

点球手可以从不可持续的目标中显着提高他们的进球数据。看看上赛季英超联赛的顶级射手，曼联的费尔南德斯和莱斯特城的瓦尔迪都将他们的进球翻了一番，如果没有如此高价值的得分机会，他们将离榜首很远 10。

图 8 - 非点球排名

考虑到这一点，在比赛过程中通过观察非点球或非点球点球来评估得分机会会更可靠一些，在这种情况下为探索球队或提供更公平的竞争环境球员的得分机会。

预期助攻数 (xA)

助攻本身并不能很好地体现一个球员的创造力，一个球员可以简单地将球传给他的队友来得分，而另一个球员可能会跑很远，把馅饼放在队友面前，然后让队友得分，这两种情况几乎没有可比性。另外，要获得助攻，传球手需要依靠接球的队友来完成得分机会，这并不总是发生。

因此，预期目标框架的另一个扩展是预期助攻 (XA)。它的工作方式与 XG 大致相同，只是在给击球前传球的球员得分方面略有不同。

简单地说，XA 衡量的是一次助攻的预期进球值，也表示为 0（没有助攻的机会）和 1（必须有助攻）之间的数字。

XA 可以将功劳归功于有创造力的球员，并且可以更清楚地了解球员应该提供多少次助攻来影响他们的进攻输出质量。我们还可以将所有数字相加，以确定一名球员是否正在创造非常有价值的机会或传球以避免失球。

回顾上赛季，曼城的德布劳内是最具创造力的球员也就不足为奇了。考虑到比利时人因伤缺席了好几场比赛，在场均90分的基础上再次彰显了他在球队的能力，他每三场可以提供超过1次助攻（每场90分钟，每场90分钟）游戏）。 0.37XA)。

图 9 - 预期助攻

当然，就像点球会增加球员的进球数一样，任意的接球手也可以增加球员的创造力，因为他们有更多的机会在没有对手的情况下将球送入危险区，让更多的球员攻击球。因此，所有球员在比赛中的XA表现与上赛季略有不同，值得关注。在这里，费尔南德斯几乎领先德布劳内位居榜首，而卡勒姆-奥多伊和马克西玛等人也展现了他们的创造力，可以通过传球找到处于危险位置的队友。

今天的内容就到这里了。更多精彩足球教学，请继续关注足球之路！

特别声明：以上内容（包括图片或视频）为自媒体平台“网易”用户上传发布，本平台仅提供信息存储服务。